鉴于Android框架的频繁变化和Android恶意软件的不断演变，随着时间的推移以有效且可扩展的方式检测恶意软件具有挑战性。为了应对这一挑战，我们提出了DroidEvolver，这是一种Android恶意软件检测系统，可以在恶意软件检测期间自动且持续地自我更新，无需任何人工参与。虽然大多数现有的恶意软件检测系统可以通过在具有真实标签的新应用程序上进行再训练来更新，但DroidEvolver既不需要再训练也不需要真实标签来更新自身，主要是由于深入了解DroidEvolver使用具有不断发展的特征集和伪标签的在线学习技术进行必要且轻量级的更新。DroidEvolver的检测性能在六年内开发的33,294个良性应用程序和34,722个恶意应用程序的数据集上进行了评估。使用日期为2011年的6,286个应用程序作为初始训练集，DroidEvolver实现了高检测F-度量（95.27%），对于57,539个新出现的应用程序进行分类，在未来五年内平均每年仅下降1.06%。请注意，此类新应用程序可以使用新技术和新API，DroidEvolver在使用2011年应用程序初始化时不知道这些技术和新API。与最先进的超时恶意软件检测系统MAMADROID相比，DroidEvolver的F-度量平均高出2.19倍（第五年高出10.21倍），DroidEvolver在恶意软件检测期间的效率比MAMADROID高出28.58倍。DroidEvolver还显示出对典型代码混淆技术的鲁棒性。